๐ ๊ณต๋ถํ๋ ์ง์ง์ํ์นด๋ ์ฒ์์ด์ง?
[DEEPNOID ์ํฌ์ธํธ๋ ์จ]_10_GAN ๋ณธ๋ฌธ
[DEEPNOID ์ํฌ์ธํธ๋ ์จ]_10_GAN
์ง์ง์ํ์นด 2022. 1. 28. 15:16220128 ์์ฑ
<๋ณธ ๋ธ๋ก๊ทธ๋ DEEPNOID ์ํฌ์ธํธ๋ ์จ์ ์ฐธ๊ณ ํด์ ๊ณต๋ถํ๋ฉฐ ์์ฑํ์์ต๋๋ค>
1. Deep Convolutional GAN
: ๋คํธ์ํฌ ๊ตฌ์กฐ๊ฐ fully-connected ๋์ด ์์ง ์๊ณ , convolution & de-convolution ํ์ฉํ์ฌ ๋ ์ด์ด ๊ตฌ์ฑ
: ์๋์ ์ผ๋ก ์์ ์ ์ธ ํ์ต
: convolution ์ ๋ฐ๋๊ณผ์ ์ผ๋ก, activation map ์ ํฌ๊ธฐ๋ฅผ ํค์ธ ์ ์์ด์ ์ด๋ฏธ์ง ์์ฑ์ ํนํ
2. Progressive GAN
: ํ์ต ์์ ์ฑ
: 1024 x 1024 size ์ ๊ณ ํด์๋ ์ด๋ฏธ์ง ์์ฑ ๊ฐ๋ฅ
: low-resolution ๋ถํฐ ํ์ต
: ์๋ก์ด layer ์ถ๊ฐํ์ฌ high-resolution ์์ ํ์ต
3. Wassersetein GAN
: discriminator ์ loss function ์ wasserstein loss ๋ก ์ฌ์ฉ
: discriminator์ weight clipping (gradient clipping)
: RMSProp๋ฅผ optimizer ๋ก ์ฌ์ฉ
: critic ( discriminator )์ input image ์ ๋ํ ์ ์๋ฅผ ์ฐ์ถ
- weight cliping
: exploding gradient or vanishing gradient ๋ฌธ์ ์ค์ด๊ธฐ
: critic ์ ๊ตฌ์ฑํ๋ layer์ ์ ์ฉํ๋ฉฐ, update ๋๋ weight ๊ฐ์ ์ค์ ํ ์๊ณ๊ฐ์ ใ ์ ํ
4. Least squares loss function
: generator ๋ก๋ถํฐ ์์ฑ๋ data ๊ฐ decision boundary ๋ก๋ถํฐ ๋ฉ๊ฒ ์์ฑ๋ fake sample ๋ค์ penalty ๋ถ๊ณผ
: discriminator ์ ์์ธ data ์ผ์ง๋ผ๋ penalty ํตํด dicision boundary ์ ๊ฐ๊น๊ฒ ์์ฑ๋๊ฒ๋ generator ์ wiehgt ๋ฅผ update ์ํด
'๐ฉโ๐ป ์ธ๊ณต์ง๋ฅ (ML & DL) > ML & DL' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
[์์ฑ] ์์ฑ์ธ์ ์์ ๋ถ๋ฅ & ์ถ์ฒ ์๊ณ ๋ฆฌ์ฆ (0) | 2022.01.31 |
---|---|
[CNN]_Convolution ๊ณผ์ (0) | 2022.01.29 |
[DEEPNOID ์ํฌ์ธํธ๋ ์จ]_9_AutoEncoder & GAN (0) | 2022.01.28 |
[Deep Learning]_1_๋จธ์ ๋ฌ๋ ์ํ (0) | 2022.01.28 |
[DEEPNOID ์ํฌ์ธํธ๋ ์จ]_8_Reinforcement Learning (0) | 2022.01.27 |